تشخیص سرطان کبد از تصاویر سی‌تی اسکن با استفاده از شبکه عصبی پیچشی و ماشین بردار پشتیبانی
سرطان کبد، به طور عمده، پنجمین سرطان شایع در مردان و هفتمین سرطان شایع در زنان است و سومین علت اصلی مرگ و میر ناشی از سرطان در سراسر جهان است. به طور کلی، این بیماری در زنان کمتر شایع است و در بیشتر مناطق جهان، میزان سرطان کبد مردان نسبت به زنان دو تا سه برابر بیشتر است که احتمالاً به دلیل شیوع بیشت...
Saved in:
| Main Authors: | , |
|---|---|
| Format: | Article |
| Language: | fas |
| Published: |
Payame Noor University
2024-10-01
|
| Series: | اپتوالکترونیک |
| Subjects: | |
| Online Access: | https://jphys.journals.pnu.ac.ir/article_11365_d48735f1da8848e681f84295389f7e42.pdf |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
| Summary: | سرطان کبد، به طور عمده، پنجمین سرطان شایع در مردان و هفتمین سرطان شایع در زنان است و سومین علت اصلی مرگ و میر ناشی از سرطان در سراسر جهان است. به طور کلی، این بیماری در زنان کمتر شایع است و در بیشتر مناطق جهان، میزان سرطان کبد مردان نسبت به زنان دو تا سه برابر بیشتر است که احتمالاً به دلیل شیوع بیشتر عوامل خطر در مردان و تفاوت‌های جنسی است. در همین رابطه هدف از پژوهش حاضر تشخیص سرطان کبد از تصاویر سی‌تی اسکن با استفاده از شبکه عصبی پیچشی و ماشین بردار پشتیبانی بوده است. در این پژوهش، یک شبکه عصبی CNN سبک جدید با هفت لایه و فقط یک لایه معمولی برای طبقه‌بندی کبد تقسیم‌بندی شده پیشنهاد شده است. این مدل پیشنهادی در دو مسیر مختلف استفاده شد. مسیر اول از طبقه‌بندی یادگیری عمیق استفاده نمود و به دقت 7/83% و 9/95% دست یافت. در همین حال، مسیر دوم از ویژگی‌های استخراج شده به طور خودکار همراه با یک طبقه‌بندی کننده ماشین بردار پشتیبانی (SVM) استفاده نمود و به دقت 9/95% و 9/97% دست یافت. شبکه پیشنهادی سبک، سریع، قابل اعتماد و دقیق است. این رویکرد می‌تواند توسط یک متخصص انکولوژی استفاده شود، که تشخیص را به یک کار ساده تبدیل می‌کند. علاوه بر این، شبکه پیشنهادی دقت بالایی را بدون تنظیم تصاویر به‌دست می‌آورد که باعث کاهش زمان و هزینه می‌شود. |
|---|---|
| ISSN: | 2783-1752 2783-2562 |